Aprendizaje automático en el trading: teoría, práctica, operaciones y más - página 128
Está perdiendo oportunidades comerciales:
- Aplicaciones de trading gratuitas
- 8 000+ señales para copiar
- Noticias económicas para analizar los mercados financieros
Registro
Entrada
Usted acepta la política del sitio web y las condiciones de uso
Si no tiene cuenta de usuario, regístrese
Me encontré con un blog y casi lloro, el hombre estaba haciendo casi la misma idea que alguna vez se me ocurrió y decidí poner en práctica, y fue esta idea la que me hizo empezar a aprender a programar hace aproximadamente un año
https://www.r-bloggers.com/time-series-matching-with-dynamic-time-warping/
Y yo que pensaba que mi idea era única))) la juventud, la ingenuidad... Por supuesto, no utilicé DTW, porque no lo entendí en su momento
Si tomamos dos series temporales: variable objetivo y predictor. Tenemos algunas "distancias". Si la distancia es pequeña (¿qué es "pequeña"), el poder de predicción es alto? Este predictor es más valioso en comparación con otros que tienen esta distancia mayor?
¿Es este el caso?
Si tomamos dos series temporales: la variable objetivo y el predictor. Toma algunas "distancias". Si la distancia es pequeña (¿qué es "pequeña"), el poder de predicción es alto? Este predictor es más valioso en comparación con otros que tienen esta distancia mayor?
¿Es este el caso?
Lo he leído tres veces, no lo entiendo ((
1) Parece que esto no es puramente MO, es como una mejora de algún TS existente, que tiene señales para entrar, y sólo sobre estas entradas entramos y estas entradas analizamos la MO, ¿no?
2) Cuando haya beneficios, cerramos la operación. Cuando la operación tiene pérdidas, mantenemos la posición, ¿por qué íbamos a hacerlo?
3) ¿Cuándo comprar y cuándo vender?
4) Soy un buen juez, soy así), pero no entiendo muy bien lo que has escrito, tal vez puedas enseñarme una foto o un flyschart...
1. 1. La señal es generada por la red.
2. La señal genera la red. 2) Ninguno de ellos, tenemos un país libre. Si lo quieres, ciérralo, si no lo quieres, no lo cierres. SL está en el sistema, puede o no estar - también su derecho.
3. ¿cómo lo sé? Pregunte a la red que está entrenando.
4. Tal vez necesites leer la 4ª vez, tal vez te quede más claro.
Me encontré con un blog y casi lloro, el hombre estaba haciendo casi la misma idea que alguna vez se me ocurrió y decidí poner en práctica, y fue esta idea la que me hizo empezar a aprender a programar hace aproximadamente un año
https://www.r-bloggers.com/time-series-matching-with-dynamic-time-warping/
Y yo que pensaba que mi idea era única))) la juventud, la ingenuidad... No utilicé DTW, porque no tenía idea de ello en ese momento
1. La señal es generada por la red.
2. Ninguno, es un país libre. Si lo quieres, ciérralo, si no lo quieres, no lo cierres. SL está en el sistema, puede o no estar - también su derecho.
3. ¿cómo lo sé? Pregunte a la red que está entrenando.
4. Tal vez necesites leer la 4ª vez, tal vez te quede más claro.
1) Todo tu algoritmo consiste en crear algún tipo de función objetivo "suave" para la red neuronal, ¿verdad?
pero ya en el primer paso de este algoritmo deberíamos recibir algunas señales de la red neuronal, señales que son recibidas de la red neuronal de entrenamiento por la función objetivo, por la función objetivo que aún no hemos creado porque sólo estamos en el paso 1.
mi cerebro está explotando...
no es así en absoluto, qué predictor, qué objetivo, no existe... Se trata de una búsqueda contundente en BP de las áreas que son similares a la última situación actual, eso es todo...
Dos series temporales
Aquí está la referencia
Detalles La función realiza la deformación temporal dinámica (DTW) y calcula la alineación óptima entre dos series temporales x e y, dadas como vectores numéricos. La alineación "óptima" minimiza la suma de las distancias entre los elementos alineados. Las longitudes de x e y pueden ser diferentes. La distancia local entre los elementos de x (consulta) e y (referencia) puede calcularse de una de las siguientes maneras:
Tenga en cuenta el parámetrostep.pattern=symmetric2,
Esto es de la documentación del paquete.
1) Todo tu algoritmo consiste en crear algún tipo de función objetivo "suave" para la red neuronal, ¿verdad?
Pero ya en el primer paso de este algoritmo deberíamos recibir algunas señales de la red neuronal, señales que provienen del entrenamiento de la red neuronal por la función objetivo, por la función objetivo que aún no hemos creado porque sólo estamos en el paso 1.
mi cerebro está explotando...
Dos filas de tiempo.
Pues sí, dos filas, para medir la proximidad entre dos filas se necesitan dos filas,
Dos series (en nuestro caso) significa dos partes de la misma serie (precios).
la única diferencia es que las filas que pones en dtw pueden ser de diferentes tamaños, y eso es muy bueno para nosotros.
1) Todo tu algoritmo consiste en crear algún tipo de función objetivo "suave" para la red neuronal, ¿verdad?
Pero ya en el primer paso de este algoritmo tenemos que recibir algunas señales de la red neuronal, señales que provienen del entrenamiento de la red neuronal por la función objetivo, por la función objetivo que aún no hemos creado porque sólo estamos en el paso 1.
mi cerebro está explotando...
La gente de aquí es así. Son "suaves". No dicen ningún detalle. ¿Y para qué sirve? ¿Viven su ciruela?
Aquí he explicado claramente lo que hago:
En detalles: en la barra actual la señal de compra, como compramos, contamos hacia atrás el menor número de barras por delante en el futuro y comprobar - si el acuerdo será rentable, si es así - como cerramos, si no - contamos hacia adelante una barra más y comprobar de nuevo. Y así llegamos al máximo número de barras y las cerramos finalmente. Se trata de un mecanismo de aprendizaje.
¿Qué no está claro? No es una fantasía, es exactamente lo que hago ahora. La función objetivo es maximizar los beneficios con mínimas detracciones. Me entreno utilizando mi genética.
Aquí hay gente así. Son "suaves". No hablan de los detalles. Pero, ¿de qué sirve? ¿Viven su ciruela?